MétaCan
Menu
Retour à la cohorte
Enregistrement W6981041542

Detection and determinants of Escherichia coli O157:H7 in Alberta feedlot pens immediately prior to slaughter

2008· article· en· W6981041542 sur OpenAlexaboutno aff

Notice bibliographique

RevuePubMed Central · 2008
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPopulationTransmission (telecommunications)Sampling (signal processing)Statistical analysis
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Food safety risks due to Escherichia coli O157:H7 may be affected by variability in prevalence in or on live cattle at slaughter. Our objectives were to assess the prevalence and risk factors associated with E. coli O157:H7 in feedlot pens immediately prior to slaughter, and assess relationships among methods of monitoring the E. coli O157:H7 status of pre-harvest pens. We studied 84 pens containing a total of nearly 27 000 head of cattle in commercial feedlots in Alberta during 2003 and 2004. Sampling devices (ROPES) prepared from manila ropes were used to detect high prevalence pens. Forty of 84 pens (48%) were classified ROPES-positive. Within pens, fecal prevalence ranged between 0% to 80% (median = 20%) and the hide prevalence ranged between 0% and 30% (median = 0%). Pens that were ROPES-positive had a higher median prevalence for feces (40%) and for hides (3.8%) than those that were ROPES-negative (13.3% and 0%, respectively). The prevalence of E. coli O157:H7 in pens immediately prior to slaughter was found to be quite high or very low even within feedlots and seasons. Factors such as sampling month, temperature, precipitation, pen floor conditions, and water tank cleanliness were associated with E. coli O157:H7 outcome measures, although associated factors were not completely consistent among years and outcome measures. Fecal and hide prevalence are considered primary pre-harvest indicators of potential carcass contamination, but other methods such as ROPES that are associated with these outcomes may provide logistic advantages to efficiently classify pens of cattle as high or low risk to food safety.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,647
Score d'incertitude au seuil0,701

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,024
Tête enseignante GPT0,272
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMed CentralMême sujetMigration, Health and TraumaTravaux en français237 207